跳至正文
Grok image
繁體中文
English简体中文繁體中文DeutschEspañolPortuguês

Gemini Omni 1.1 Flash

Gemini Omni 1.1 Flash 是 Google 於 2026 年 8 月 27 日發表的生成式影片模型,透過 Google AI Studio 與 Gemini Enterprise Agent Platform 提供。這一頁把發布方自己的公告與模型卡,與本站服務對同一模型回傳的設定並排放在一起,並逐條標出兩者不一致的地方。

更新於:

Google Gemini Omni 1.1 Flash

先選模式,再寫描述,生成前先看伺服器報出的成本。

Google Gemini Omni 1.1 Flash
AI 影片0
5s
2s15s

生成結果

生成的內容會顯示在這裡

素材出處

這個模型的官方素材

發布方釋出、且本站能取得並核驗的五個項目,每一項都帶著發布方自己的框架,而不是為藝廊另編的提示詞。

發布方釋出九個檔案,其中八個以同一張品牌收尾卡作結,這也是抽幀必須靠量測而不能只靠目視的原因。九個裡有兩個完全沒有出現在這裡,理由寫出來了,而不是悄悄省略。

一隻帶有藍橘色斑紋的麒麟魚,懸在分枝狀珊瑚上方,水色清澈湛藍 讀取說明 ↗

01 / 官方能力示範的畫面

取自 4K 放大示範

Google, The Keyword ↗

此項目隨附的提示詞

發布方在公告內文中寫了提示詞,但沒有把它們對應到個別檔案

在工作台開啟這個提示詞 ↗

發布方在公告內文中寫了提示詞,但沒有把它們對應到個別檔案,所以這裡不把任何提示詞歸給單一項目。畫面中出現文字的地方,那是發布方疊上去的,不是模型生成的。

一朵淡藍色小花從潮濕苔蘚間探出,周圍是蕨葉,近距離淺景深拍攝 讀取說明 ↗

02 / 官方能力示範的畫面

同一段 4K 示範的第二張靜態畫面

Google, The Keyword ↗

此項目隨附的提示詞

發布方在公告內文中寫了提示詞,但沒有把它們對應到個別檔案

在工作台開啟這個提示詞 ↗

發布方在公告內文中寫了提示詞,但沒有把它們對應到個別檔案,所以這裡不把任何提示詞歸給單一項目。畫面中出現文字的地方,那是發布方疊上去的,不是模型生成的。

三個著裝的動畫角色在明亮房間裡跳舞:戴棒球帽的白狗、戴眼鏡的章魚與綠色熊 讀取說明 ↗

03 / 官方能力示範的畫面

影片參考示範產出了什麼

Google, The Keyword ↗

此項目隨附的提示詞

發布方在公告內文中寫了提示詞,但沒有把它們對應到個別檔案

在工作台開啟這個提示詞 ↗

發布方在公告內文中寫了提示詞,但沒有把它們對應到個別檔案,所以這裡不把任何提示詞歸給單一項目。畫面中出現文字的地方,那是發布方疊上去的,不是模型生成的。

同一名穿深色上衣的女子在明亮窗牆前的兩格小面板,夾在同場景的較大畫面之間 讀取說明 ↗

04 / 官方能力示範的畫面

首尾幀對照,發布方的原始排版

Google, The Keyword ↗

此項目隨附的提示詞

發布方在公告內文中寫了提示詞,但沒有把它們對應到個別檔案

在工作台開啟這個提示詞 ↗

發布方在公告內文中寫了提示詞,但沒有把它們對應到個別檔案,所以這裡不把任何提示詞歸給單一項目。畫面中出現文字的地方,那是發布方疊上去的,不是模型生成的。

一名穿深色長大衣的女子走過石造柱廊,畫面中央疊著大型白色字幕文字 讀取說明 ↗

05 / 官方能力示範的畫面

場景延長,畫面上帶著發布方自己的字幕

Google, The Keyword ↗

此項目隨附的提示詞

發布方在公告內文中寫了提示詞,但沒有把它們對應到個別檔案

在工作台開啟這個提示詞 ↗

發布方在公告內文中寫了提示詞,但沒有把它們對應到個別檔案,所以這裡不把任何提示詞歸給單一項目。畫面中出現文字的地方,那是發布方疊上去的,不是模型生成的。

發布方自己怎麼說 Gemini Omni 1.1 Flash

Google 的公告稱它是 "a production-ready update for developers that offers improved control over generative video",並列出這次更新加入的能力:延長場景、指定起始與結束幀、產生高解析度 4K 輸出。DeepMind 的模型卡在自己的內文裡說明它 "describes Gemini Omni Flash and Gemini Omni 1.1 Flash",把這個系列描述為 "our next step towards models that can create and edit anything from any input—starting with video",輸入為 "text strings (e.g., a question, a prompt), images, audio, and video files",輸出為 "high-quality, high-resolution video with audio"。

模型卡用自己的措辭列出三項已知限制:"maintaining complete consistency throughout edits, generating scenes with complex motion, or rendering perfectly accurate text remains a challenge"。它把 SynthID 這套 Google 的數位浮水印工具列為訓練後減害措施,並說明模型雖然能在編輯過程中改變人的說話內容,但目前 "we are restricting this capability"。

這份模型卡最初於 2026 年 5 月發布,最後更新於 2026 年 8 月,這正是系列名稱與 1.1 版本共用同一份文件的原因。這一頁沒有任何一句話是 Google 的陳述,Google 也沒有審閱過這一頁。

引文保留發布方的英文原文。經過翻譯的規格說明,向來是數字開始漂移的常見途徑。

這個產品宣告五種模式,工作台只表達得出四種

這是整頁最要緊的一件事,也和這個系列其他影片頁都不一樣。本站所販售的服務為 Gemini Omni 1.1 Flash 宣告了五種任務類型:文字轉影片、圖片轉影片、參考轉影片、影片編輯、影片延長。工作台自己的模式詞彙只涵蓋四種任務類型,服務宣告的五種裡有兩種在介面裡完全沒有對應。

這是一句關於工作台自身程式碼能表達什麼的陳述,讀自它的模式清單,以及對原始碼中這兩個名稱的搜尋。它並不是在說這個模型不能做編輯:發布方把對話式編輯列為核心能力,服務也為它販售兩種模式。

服務宣告的模式需要什麼輸入在本工作台可不可達
文字轉影片一段文字描述的場景可以
圖片轉影片一段提示詞加上一到兩張靜態圖可以
參考轉影片最多十張圖片與最多三段參考片段可以
影片編輯一段提示詞與恰好一支影片介面裡沒有這個名稱的模式
影片延長一段提示詞與恰好一支影片介面裡沒有這個名稱的模式

工作台實際渲染的欄位,以及本地表為什麼永遠到不了

工作台依服務為每個模式發布的表單結構描述來建立欄位,只有在服務沒有發布該欄位時,才退回本站原始碼內附的模型表。對這個產品而言,服務在工作台能顯示的三種模式裡都發布了解析度、長寬比與時長欄位,所以就介面而言,本地表裡的每一個值都是不會被執行的死碼。

中間那一欄才是訪客看到的內容。右欄之所以還留著,只是為了讓差異留在紀錄上;服務有發布的欄位優先於本地預設值。

設定服務發布的值本站本地表的值,不會進到表單
解析度360p、720p、1080p、4k,預設 720p720p、1080p,預設 720p
長寬比auto、16:9、9:16,預設 auto16:9、9:16、1:1、4:3、3:4,預設 16:9
時長3 到 10 的數字,預設 52 到 15,間隔 1,預設 5
圖片轉影片的圖片數1 到 21

時長在這裡是一個數字,不是選單

在這個模型上,服務把時長發布成一個界於 3 到 10、預設為 5 的數值欄位,而不是一串離散選項。工作台據此渲染出數字輸入框,所以沒有時長選單可以讀取值,本地表那個 2 到 15 的區間也和實際上能送出的內容無關。

對照發布方來看,服務發布的上下界是合理的:公告描述延長是以十秒為單位遞增,這意味著單次生成大約就是這個長度,而服務的十秒上限正好落在那條線上。發布方在兩份可取得的來源裡都沒有說出單次生成的時長參數,所以這一頁不宣稱引用了這樣的數字。

發布方真正說清楚的是生成之後會發生什麼。場景延長讓模型 "analyze up to 10 seconds of prior context — a leap from previous models that only referenced the final second",並以 "in 10-second increments up to a total cumulative length of 40 seconds" 的方式延伸。

場景延長可到四十秒,而工作台沒有延長控制項

延長是整篇公告的重心,而且寫得很具體:分析十秒的前文、以十秒為單位遞增、累計四十秒。服務為這個產品販售影片延長模式,欄位收恰好一支參考片段,這正是延長呼叫的形狀。因為工作台沒有能表達影片延長的模式,訪客無法從這些表單走到那裡。

模型卡另外補了一個在發表報導裡很容易被漏掉的上限:改變人的說話內容被描述為目前受限的能力。那是有關模型被允許做什麼的陳述,不是本站販售什麼的陳述;這裡照錄,是因為建立在語音之上的編輯,正是製作團隊會事先規劃的那類事情。

有一個價格細節屬於這一節而不是下一節。服務把影片延長發布為每次呼叫 0 點,並在它自己的資料裡標為兜底值。照字面讀就是免費,而那不太可能是本意。這一頁不對它引用任何價格為零的報價,這個問題留給營運方。

解析度:四個檔位,兩邊都按秒計價

Google 為四個輸出檔位發布了每秒價格,並販售一個 360p 草稿模式,稱它 "up to 60% faster and at a third of the cost compared to Omni 1.1's standard 720p resolution"。這些數字是以表格圖片而非可選取文字的形式隨公告發布,因此是從圖片上讀出來的,該圖片與這一頁一起歸檔。本站所販售的服務發布了同樣的四個檔位。

這兩道階梯的形狀並不相同。把最便宜的檔位當作 1,發布方的級距是 1、3.33、5、10;服務的級距是 1、2.6、4、7.8。這只是對雙方各四個已發布數字做的算術,沒有別的。它並沒有說一點值多少錢,而本站以點計費,點數是任務開始前由伺服器報價,而不是以每秒費率對外公布。

服務另外發布了每呼叫 2 點的加價,用於其他輸出詞元,估計為 1,000 個,並把計費方式描述為參數加上時長。那對某一段影片實際上意味著什麼,是報價要回答的問題,不是這張表要回答的。

發布方的數字是 Google 自家 API 的美金價格。那不是本站的價格,這裡附上出處呈現。

檔位發布方價格,每秒本站服務,每秒點數
360p$0.035
720p$0.1013
1080p$0.1520
4k$0.3039

首尾幀,以及那個沒被提供的選取器

公告把首尾幀控制當作主打能力推出:提供開頭與結尾的圖片,"Omni 1.1 generates continuous video between two keyframes, making it ideal for complex camera orbits, zoom transitions, or seamless looping clips"。發布方為它發布的示範,也就是這一頁取出其中一格的那段,是整批發表素材裡對這項功能最清楚的例子。

服務沒有為這個產品宣告首尾幀模式,本地為它準備的系列表也把該模式關掉了。因此一個能表達首尾幀任務的工作台,對這個模型沒有東西可顯示;這正好是這個系列上一頁的鏡像:上一頁是服務宣告了模式、卻被另一個選取器過濾掉,這裡則是介面裡有這個模式,而模型永遠到不了它。

參考片段是這一頁必須小心描述的一項輸入。公告說要 "reference up to three seconds of video"。服務發布的欄位最多收三段參考片段。三秒與三個檔案不是同一種度量,兩份來源也都沒有互相矛盾,所以兩者都照原文報導,而不去調和。

聲音預設就有,而且這次是服務自己說的

模型卡把輸出描述為帶音訊的影片,沒有任何附加條件,所以音訊在這個模型上不是可有可無的選項。本站所販售的服務說得比它需要說的更多,在它為這個產品準備的資料裡直接表明立場:支援聲音、會生成聲音、預設開啟、而且沒有開關。最後那一欄決定了訪客能做什麼。

這裡值得和這個系列的上一頁對照:上一頁必須從「沒有發布這個欄位」推論出音訊欄位不存在,而這裡是服務自己宣告它不存在。兩種情況下訪客面對的結果相同,但只有其中一個需要靠推論。

發布方也把參考語音素材記錄為一種輸入類型,模型卡則把音訊列在訓練模態之中。這兩者都不會在工作台裡放進任何語音選取器,因為服務沒有為這個產品發布這樣的欄位。

藝廊放了什麼,沒放什麼

和這個系列的上一支影片頁不同,發布方為這個模型準備的素材是可以下載的:九個檔案直接從 Google 自家的儲存空間取得,內容都是真的,其中包含七段能力示範與一支合作方影片。從中抽出二十四格,逐格看過。

其中七格結果是同一張近乎全白、帶著模型標記的收尾卡,八段影片全都以它作結。值得發布的是另外五格:兩格來自 4K 示範的乾淨生成畫面、一格來自影片參考示範、一格來自首尾幀示範的面板對照、以及一格帶著發布方自己燒錄字幕的畫面,這一點已在該格的說明文字中揭露。

有一份素材被保留下來,理由值得說明。檔名本身就宣告有水印的那一支,是一段合作方示範,畫面裡燒著某個平台的商標,黑色片尾卡上又出現一次。第三方商標出現在本站藝廊裡,會被讀成本站輸出帶水印,所以不放,理由留在紀錄上。

第二份被保留下來的素材,是因為它沒有發揮應有的作用。那支用來示範 360p 草稿模式的片段,本身就是 1920×1080、而且整批裡位元率最高的一份,所以交付出去的檔案根本展示不了它存在要展示的解析度差異。這一頁關於 360p 的說法改為引用公告原文。

被剔除的素材與其量測數據都寫進這一頁的建置紀錄,而不是靠一個篇幅偏短的藝廊去暗示。

效果範例

發布方的 4K 放大示範:22.8 秒、1920×1080、每秒 25 格,帶音軌。這裡從 4.13 Mbps 的原始檔重新編碼為 0.9 Mbps 以便在頁面上播放,解析度與影格率未動。

Google, The Keyword, Gemini Omni 1.1 Flash 公告,本站於 2026-09-19 取自 storage.googleapis.com/gweb-uniblog-publish-prod/original_videos/sm_KW_omni-flash__capability-video__upscale-4k__16x9.mp4_2.mp4。 · 第三方素材。權利仍屬發布方;附出處呈現,不主張任何所有權。

首尾幀示範:27.8 秒、1920×1080、每秒 25 格,帶音軌,這裡重新編碼為 0.9 Mbps。這段影片帶著發布方自己的字幕,並以品牌卡作結,兩者在發布的檔案裡都看得見。

Google, The Keyword, Gemini Omni 1.1 Flash 公告,本站於 2026-09-19 取自 storage.googleapis.com/gweb-uniblog-publish-prod/original_videos/sm_KW_omni-flash__capability-video__first-last-frame__16x9_1.mp4。 · 第三方素材。權利仍屬發布方;附出處呈現,不主張任何所有權。

一隻帶有藍橘色斑紋的麒麟魚,在清澈藍水中懸於分枝狀珊瑚上方

第 1.0 秒的畫面。高頻細節題材,是拿來示範解析度最合適的對象,因為細密斑紋與珊瑚分枝正是放大要嘛守住、要嘛糊掉的地方。發布方的小型 4K 標記位於畫面左上角。

本站以 AVFoundation 從發布方已發布的能力示範片段抽出的畫面,取得於 2026-09-19。 · 第三方素材。權利仍屬發布方;附出處呈現,不主張任何所有權。

一朵淡藍色小花從潮濕苔蘚與蕨葉間探出,近距離拍攝

同一段影片第 11.0 秒的畫面。刻意選了第二種題材:第一個測的是硬邊細節,這一個測的是柔和質感;一個只在其中一種上成立的解析度說法,算不上什麼說法。

本站以 AVFoundation 從發布方已發布的能力示範片段抽出的畫面,取得於 2026-09-19。 · 第三方素材。權利仍屬發布方;附出處呈現,不主張任何所有權。

三個動畫角色在明亮房間裡跳舞:戴棒球帽的白狗、戴眼鏡的章魚與綠色熊

影片參考示範第 7.0 秒的畫面。就這項功能所主張的效果而言,這是整批裡最清楚的一格,因為三個角色同框,而每一個都是獨立的參考對象。

本站以 AVFoundation 從發布方已發布的能力示範片段抽出的畫面,取得於 2026-09-19。 · 第三方素材。權利仍屬發布方;附出處呈現,不主張任何所有權。

同一名女子在窗牆前的兩格面板,光線略有差異,夾在同場景的較大靜態畫面之間

發布方呈現首尾幀結果的方式:把兩張關鍵幀做成小面板,放在它們生成出的畫面旁邊。照發布的樣子呈現。這個排版是發布方做的,所以不應把這裡的任何內容讀成單次未經編排的生成。

本站以 AVFoundation 從發布方已發布的能力示範片段抽出的畫面,取得於 2026-09-19。 · 第三方素材。權利仍屬發布方;附出處呈現,不主張任何所有權。

一名穿深色長大衣的女子走過石造柱廊,畫面中央疊著大型白色字幕文字

場景延長示範第 1.0 秒的畫面。畫面裡的文字是發布方疊上去的,不是模型生成的,這也是這一格被當作靜態圖、而不是當作某段影片封面的原因:那些字屬於示範,不屬於生成結果。

本站以 AVFoundation 從發布方已發布的能力示範片段抽出的畫面,取得於 2026-09-19。 · 第三方素材。權利仍屬發布方;附出處呈現,不主張任何所有權。

常見問題

這是 Gemini Omni 1.1 Flash 的官方頁面嗎?

不是。這是本站關於這個模型的一頁。Google 的公告與 DeepMind 的模型卡都列為來源,而 Google 與 DeepMind 都沒有審閱過這一頁。

我可以在這裡編輯影片,或延長影片嗎?

透過這一頁描述的表單不行。服務為這個產品宣告了影片編輯與影片延長,但工作台的模式清單只涵蓋四種任務類型,那兩者都不在其中。

我實際上能跑幾種模式?

三種:文字轉影片、圖片轉影片、參考轉影片。服務宣告的是這三種,再加上介面表達不出來的兩種編輯模式。

發布方談到四十秒的場景,為什麼時長欄位寫的是三到十秒?

兩者量的是不同的東西。三到十秒是服務為單次生成發布的區間;四十秒是發布方為場景延長記錄的累計總長,以十秒為單位逐步達成。這個工作台沒有延長控制項。

可以用 4K 嗎?

服務為這個產品發布了四個輸出檔位:360p、720p、1080p、4k,預設為 720p。發布方為四個檔位都定了價,分別是每秒 $0.03、$0.10、$0.15、$0.30。本站收多少是在任務開始前以點數報價,不是每秒費率。

產出的影片有聲音嗎?

有,預設就有,而且沒有開關。服務在它為這個產品準備的資料裡表明支援音訊、會生成音訊、預設開啟、且沒有切換項。發布方的模型卡同樣把輸出描述為帶音訊的影片。

我可以附幾張參考圖或幾段參考影片?

服務為參考轉影片發布的是最多十張圖片與最多三段參考片段,圖片轉影片則是一到兩張。發布方另外記錄的是可參考最多三秒的影片,那是時長而不是數量。

發布方釋出九個檔案,為什麼藝廊只有五項?

因為九個裡有八個以同一張品牌收尾卡作結,而剩下的大多帶著介面元素或燒錄字幕。有兩個檔案完全沒有呈現:一個帶有合作平台的明顯水印,另一個是 360p 示範,它本身以 1920×1080 發布,因此無法展示它存在要展示的解析度。

繼續探索